基于黎曼流形监督降维的矩阵CFAR增强检测

矩阵CFAR检测是从几何流形角度处理雷达目标检测问题的新技术。为进一步提升其在复杂杂波背景下的检测性能,本文提出一种黎曼流形监督降维的矩阵CFAR增强检测方法。首先,将检测问题视为目标与杂波的分类问题,分别构建黎曼流形上目标单元与杂波单元的类内和类间权重矩阵;其次,为增强目标与杂波的可分性,采用保持类内几何距离最小,类间几何距离最大的准则建立降维目标函数,并基于Grassmann流形求解降维优化问题获得映射矩阵;最后,提出一种矩阵CFAR增强检测方法,实现目标增强检测。采用蒙特卡罗方法对仿真数据和实测海杂波数据进行实验分析,结果表明,所提出的方法能够进一步提升检测性能。

基于增强内积矩阵的PMI泡沫夹层结构损伤检测

聚甲基丙烯酰亚胺(polymethacrylimide,PMI)泡沫夹层复合材料结构因其独特的力学性能而广泛应用于航空航天领域,如何快速、准确、低成本地检测面板与芯材的脱粘损伤对结构安全使用具有重大意义,然而传统的基于超声波的无损检测技术由于PMI泡沫的吸声特性难以有效地检测到此类结构的脱粘损伤,该文探索基于振动响应测试的方法在PMI泡沫夹层结构损伤检测中的可行性及有效性。以振动时域响应相关性分析建立的结构损伤特征——内积矩阵(inner product matrix,IPM)为基础,通过将不同激励点下计算得到的IPM进行堆叠,提出了增强内积矩阵(enhanced inner product matrix,EIPM)的概念,并以EIPM为卷积神经网络(convolutional neural network,CNN)的输入、PMI泡沫夹层结构的损伤状态为输出,建立了基于EIPM及CNN的结构损伤检测方法。PMI泡沫夹层悬臂梁结构的脱粘损伤检测仿真算例及实验验证结果表明,所提方法在3个及以上测点时的平均识别准确率均在99%以上,且与基于IPM的方法相比,EIPM方法具有更好的收敛速度和稳定性。

基于非负矩阵分解的双曲调频信号目标回波增强

双曲调频信号是主动声呐中常用的多普勒不敏感信号。在实际使用中,由于信道变化和混响影响,目标回波较弱。针对水下航行器主动声呐探测性能下降问题,本文提出基于非负矩阵分解的双曲调频信号目标回波增强方法。该方法对目标回波和干扰信号的基矩阵分别定义,将发射信号的时频图作为目标回波的频率信息矩阵,对目标回波的时间信息矩阵做出约束,迭代处理完成目标回波的增强,获得较高增益的匹配回波检测结果。数值仿真和海上试验结果表明:本文方法与传统匹配滤波方法相比,其峰均比值提高了2 dB以上,提高了回波检测结果。

融合感受野增强和注意力机制的交通标志检测算法

针对目标检测算法在交通标志检测中存在的不足,文中提出了一种融合感受野增强模块和注意力机制的交通标志检测算法。该算法在YOLOv5(You Only Look Once version 5)算法的基础上改进,选用感受野模块(Receptive Field Block,RFB)替换原骨干网络中的空间金字塔池化(Spatial Pyramid Pooling,SPP)模块,在特征融合网络中嵌入高效通道注意模块(Efficient Channel Attention Module,ECAM)和卷积块注意模块(Convolutional Block Attention Module,CBAM),选用矩阵非极大值抑制(Matrix Non-Maximum Suppression,Matrix NMS)筛选候选框以提升算法的检测精度和检测速度。实验结果表明,在模型参数量与原网络相比未变化的前提下,该算法的均值平均精度达到了82.31%,与原算法相比提升了8.59%,检测速度达到了51.89 frame·s^(-1),且该算法在各个测试场景中未出现错检漏检现象,证明其泛化能力优于原算法,可以实时检测交通标志。

基于矩阵信息几何的飞机尾流目标检测方法

矩阵信息几何在雷达信号处理和目标检测中的应用是一个正在引起关注的研究方向。飞机尾流回波经过傅里叶变换后,其功率谱是展宽的,传统动目标检测(MTD)方法未能对展宽的功率谱进行有效积累。针对飞机尾流目标检测问题,基于矩阵信息几何理论,该文提出了一种矩阵恒虚警率(CFAR)检测方法,该方法中观测数据协方差矩阵构成一个矩阵流形,类比CFAR检测的思想,利用检测单元协方差矩阵与参考单元协方差矩阵均值间定义的距离作为检测统计量。最后利用噪声中仿真的尾流回波数据,分析了黎曼均值的迭代估计性能、尾流目标协方差矩阵与噪声协方差矩阵的测地线距离随信噪比的变化,比较了常规MTD检测方法和矩阵CFAR检测方法的检测性能。

红外图像序列的目标增强和检测

文中主要研究了远距离红外图像序列的目标增强和检测问题,提出了基于局部纹理特征的红外图像增强算法,利用红外图像目标和背景区域局部纹理特征的差异来增强目标和背景区域的对比度;为了提高目标检测的速度和精度,利用序列图像的帧间相关信息,采用边检测边跟踪边确认的目标检测方法。实验结果表明,对于远距离、小目标的红外图像,这种增强算法在目标对比度和细节方面都明显优于直方图均衡化方法,而本文采用的目标检测方法仅需很少几帧图像就能检测和跟踪目标,可以在确保目标检测的可靠性的前提下,提高目标的检测速度。

基于Hessian矩阵的边缘检测方法

边缘是一幅图像最基本也最重要的特征,边缘检测是机器视觉和图像处理的关键环节和经典课题。本文结合人眼的视觉特性,利用彩色图像自身梯度方向信息,对彩色图像进行多通道边缘检测,得到图像的伪色彩边缘图。对边缘信息增强和去相关后提取亮度分量,用OTSU法二值化,最后利用Hessian矩阵提取边缘图像的中心路径,去除边缘毛糙和冗余的背景纹理,使图像边缘光滑连续。通过实验验证了本文算法的有效性,实验通过与两种经典算子Canny和Sobel以及基于小波的边缘检测方法做比较,结果表明,本文算法能够提高边缘检测的有效性和清晰度。

一种基于相关矩阵的肺结节增强算法

针对肺结节的增强,提出了一种基于相关矩阵的多窗口图像增强算法,以提高肺结节检测的精确性。作为肺结节检测的预处理部分,本算法可以有效减小传统算法对噪声的敏感度,更好地增强肺结节并抑制血管。实验结果表明,本文所设计的增强算法对于增强合成图像以及实际的肺CT图像都有较好的效果,可以用于基于CT图像的辅助诊断系统的设计中。

基于Hessian矩阵与多视图卷积神经网络的纵隔淋巴结自动检测方法

淋巴结检测和分析对于肿瘤的疗效评估、分期具有重要意义。本研究提出一种基于Hessian矩阵与多视图卷积网络纵隔淋巴结自动检测方法。该方法首先确定纵隔部位淋巴结可能存在的区域;然后,基于淋巴结形态特征,构造多尺度增强滤波器,提取候选淋巴结;最后结合CT图像的冠状面、横断面和矢状面信息,设计多视图卷积网络对候选淋巴结进行分类。对90组患者的纵隔部位进行测试,平均每个患者9个假阳性淋巴结的条件下,灵敏度为90.32%。该方法对不同大小的淋巴结具有较高的检出率。

基于异常单元删除的改进CFAR检测器

雷达在大入射余角海杂波下进行检测时易受到功率突然增大的杂波异常单元影响,虚警率及误检率较高。为解决此问题,提出具有杂波抑制模块与恒虚警模块的二级检测器。杂波抑制模块通过参考单元的协方差矩阵构造正定矩阵,求解其矩阵范数用以估计杂波功率水平,根据功率水平设置一个动态门限,剔除异常单元后的杂波作为待检测信号输入恒虚警模块,恒虚警模块使用基于有序数据可变性的自动删除平均(ACCA-ODV-)CFAR检测器来改进传统变化指数恒虚警(VI-CFAR)检测器。仿真结果表明,新检测器在均匀杂波环境中检测性能与单元平均恒虚警(CA-CFAR)检测器几乎相同,在多目标环境中检测性能远远优于最大选择恒虚警(GO-CFAR)检测器、最小选择恒虚警(SO-CFAR)检测器、CA-CFAR检测器及VI-CFAR检测器,在杂波边缘环境中虚警控制能力仅次于VI-CFAR检测器与GO-CFAR检测器。综合考虑实测数据中各个检测器的检测结果,改进后的检测器在高分辨率大入射余角情况下具有最优的检测性能。

基于Hessian矩阵及余弦定理的肝门静脉血管检测

目的:提出一种基于Hessian矩阵及余弦定理的血管检测方法,改善肝门静脉血管检测效果。方法:充分考虑肝脏内肝门静脉CT图像的灰度及结构特点,首先利用肝脏图像的低灰度阈值对CT图像进行预处理,然后提出由余弦定理构造新的血管相似性函数,并计算多尺度的函数响应值,最后利用肝门静脉图像的低灰度阈值和连通域提取方法提取最大连通域。结果:该方法能有效地检测肝门静脉血管,检测结果与IRCADb数据集中专家的人工分割结果更接近。结论:基于Hessian矩阵及余弦定理的肝门静脉血管检测方法为后续的分割和三维重建奠定了良好的基础。

图像增强算法在高压输电线路巡检中的应用研究

旋翼无人机应用于高压输电线路的巡检,是国内外电力行业近年来兴起的一种便捷、有效的方法。航拍图像方法则是一种重要的旋翼无人机巡检手段,它可以形象、直观地捕捉到高压输电线路出现的问题,进而引导巡检人员采取进一步的措施。针对旋翼无人机高压输电线航拍巡检中图像预处理部分特有的目标增强问题,提出了一种基于多向滤波的输电线图像增强算法(MDF)。该算法比传统的图像增强算法具有强鲁棒性、高实时性的特点,因而非常适合于旋翼无人机高压输电线路巡检应用。

针对高分四号卫星影像的边缘检测技术

高分四号(GF-4)卫星具有宽覆盖、高时效、机动灵活的特点,可以用于防灾减灾、气象预警预报、林业灾害监测等。但由于影像模糊、对比度低、外部环境复杂等问题,严重影响了影像边缘检测的结果。因此,在分析GF-4影像特性和边缘检测存在问题的基础上,借鉴Canny算法的核心思想,提出了一种改进的边缘检测方法。首先采用多尺度Retinex算法对GF-4影像进行增强处理,然后引入灰度共生矩阵特征值参数自适应地确定梯度阈值,最后完成边缘检测。定量分析与实验结果表明,针对GF-4影像的边缘检测,与传统的Canny算法相比,该方法更具有适用性和准确性,使提取的边缘正确率提高约36%,对新卫星数据的应用与推广具有一定参考价值。

改进的卷积神经网络用于对比度增强取证

提出一种改进的卷积神经网络(modified convolutional neural network,MCNN)用于图像的对比度增强取证.其中MCNN第1层是预处理层,这一层将输入图像转化为二值灰度共生矩阵(binary gray-level co-occurrence matrix,BGLCM),其余各层与传统的卷积神经网络相同,这些层可从BGLCM上学习特征并以此进行分类.该方法的特征提取和分类可同时进行优化,使提取到的特征更适合对比度增强检测.实验表明,所提方法不仅可检测传统的对比度增强技术和两种反取证技术产生的对比度增强图像,还可区分对比度增强时所采用的参数.

复杂环境背景下金属膜材料表面损伤快速检测方法

金属膜材料在实际应用中容易出现表面损伤,且材料所处的环境复杂背景较为复杂,导致图像损伤区域难以确定,因此提出复杂环境背景下金属膜材料表面损伤快速检测方法。对复杂环境背景下的金属膜材料表面图像展开灰度化处理,通过计算图像灰度分布方差和均值确定金属膜材料图像损伤区域,采用自适应分割方法将损伤区域从原始图像中分割出来,利用拉普拉斯算子对损伤区域展开锐化处理。通过灰度共生矩阵提取锐化处理后损伤区域特征,将其输入金属膜材料表面损伤快速检测函数中,得到损伤检测结果。实验结果表明,所提方法能够提高金属膜材料图像处理效果,提高损伤检测精度和效率,具有较高的实际应用价值。

直方图在SAR图像处理中的应用研究

直方图计算代价小,且具有图像平移、旋转、缩放不变性等优点,被广泛用于SAR图像处理中。本文在阅读大量文献的基础上,综述了直方图在SAR图像对比度增强、杂波分布拟合、CFAR检测、图像分割等方面的典型应用和算法,并通过一些实测SAR图像对这些应用和算法进行了比较试验。试验结果一方面表明基于直方图的各类方法是有效的、便捷的;另一方面表明,采用基于直方图的方法仅适用于一些精度要求不十分严格,但是运算速度要求较高的场合。